GPT-5.6、Grok 4.5、Muse Spark：三大厂的模型战突然改拼“省钱”？

优步（Uber）的工程团队大概不会忘记 2026 年的那个春天。2025 年 12 月，用上 AI 编程助手的工程师还只占三分之一，到 2026 年 3 月，这个数字冲到了 84%。代价是，公司全年的 AI 预算在 4 月就见了底，平摊到每位工程师头上，月账单在 500 到 2000 美元之间浮动。

这不是孤例。2026 年 6 月，连奥尔特曼（Sam Altman）自己都在 CNBC 的镜头前松了口，说"AI 投入究竟能不能换回回报"这个质疑，是"眼下针对 AI 最公道的批评"。他说，几个月前客户还从不提钱的事，如今成本已经窜到他最常听到的问题第二位，有客户直接告诉他，2026 年的 AI 预算已经花光了。

卖 AI 的人主动替买 AI 的人喊贵，本身就是个信号。而信号的落点，是过去一周里三家巨头几乎前后脚甩出的新模型——它们不约而同，把卖点从"更聪明"换成了"更省钱"。

7 月 8 日，刚刚随母公司创下 IPO 募资纪录的 SpaceXAI（原 xAI）发布 Grok 4.5，官方声称它的 Token 使用效率约为同类领先模型的两倍，"用不到一半的步骤"就能解决同样的任务，定价压到每百万 Token 输入 2 美元、输出 6 美元。

次日 7 月 9 日，OpenAI 让 GPT-5.6 从 6 月底的限量预览转为全面开放，奥尔特曼把话说得更直白：在智能体编程这类任务上，新模型较竞品省下约 54% 的 Token。

同一天，Meta 把 Muse Spark 1.1 推向公众，还顺势开放了对标 OpenAI 与 Anthropic 的付费 API，主打的正是它那套叫"思维压缩"的省 Token 绝活。

三家的话术高度雷同：不再比谁的分数更高，而是比谁把活干完花的钱更少。表面看，这是一场让用户捡便宜的价格战。可只要往账本深处看一眼，故事就完全变了味。

真正拧巴的地方在于：Token 的单价这两年一直在暴跌，可企业的 AI 账单不降反升。有第三方统计显示，主流厂商每百万 Token 的均价，一年内从约 10 美元跌到 2.5 美元；若把口径拉长到两年多、并计入效率提升，测算出的降幅甚至高达数百倍。按常理，单价跌成这样，账单该轻松才对。现实却相反——据机构分析，同期企业 AI 总支出反而涨了三倍多，一家企业的年均 AI 预算从 2024 年的约 120 万美元蹿到 2026 年的约 700 万美元。

这就是经济学里那个一百多年前的老幽灵——杰文斯悖论。当年英国人以为蒸汽机烧煤更省，结果煤反而烧得更多，因为省下来的成本刺激出了更多用途。放到今天，微软 CEO 纳德拉在 DeepSeek 掀起低价冲击时那句"杰文斯悖论又来了"，一语中的。Token 越便宜，大家用得越凶。

用得凶的根子，是 AI 从"聊天"进化成了"干活"。2024 年的一次典型交互，用户问一句、模型答一句，大约消耗两千个 Token。到了 2026 年，一个智能体工作流要把任务拆解、调用工具、派生子任务、校验结果、失败重试，每一步都在烧 Token。有研究测算，智能体任务的 Token 消耗是普通对话的几十到上千倍。单价砍掉四分之三，可单次任务的用量翻了几十上百倍，账单只会更吓人。

看懂了这一层，就能明白三家厂商所谓的"省 Token"，压根不是发给用户的红包，而是自己活下去的刚需。

对厂商而言，这是一场关乎毛利的生死战，而非慷慨。高盛的研究判断，随着芯片每年把单位 Token 的推理成本压低六到七成，模型厂商正站在"毛利率拐点"上——只要单位成本降得够快、需求涨得够猛，收入就能反超成本，撑起被资本市场反复拷问的现金流。Meta 的处境最典型：它要让 Muse Spark 免费服务旗下数十亿日活用户，如果不靠"思维压缩"这类手段把每次回答的 Token 死死摁住，这笔免费买卖根本算不过账。

更耐人寻味的是时机。Grok 4.5 的性价比宣言，恰好落在 SpaceX 完成创纪录 IPO、xAI 被整体并入 SpaceX 之后——而据媒体此前报道，xAI 一直在烧钱，被视为这场 IPO 的潜在包袱。与此同时，OpenAI 与 Anthropic 都已秘密递交上市材料。当一家公司准备走向公开市场，投资人要看的不再只是模型多聪明，而是这门生意能不能赚钱。省 Token，就是讲给二级市场听的那个盈利故事。

所以这场仗的名字，其实不该叫价格战，而该叫"Token 效率战"。战场已经从"每百万 Token 卖多少钱"这个正在归零的维度，挪到了"干完一件事要花多少 Token"这个新维度。谁在后者领先，谁就同时锁定了自己的毛利和客户的预算。

当然，热闹之下也该留一分清醒。三家亮出的效率数字，眼下大多还是自说自话。奥尔特曼那个 54%，连用来对标的是哪款模型、跑的什么基准都没公开；Meta 的"思维压缩"曲线来自自家训练数据，尚未被第三方独立复现；Grok 4.5 的对比图表也出自官方之手。对真正付账单的企业来说，最靠谱的防身术反倒朴素：按任务给模型分流，简单活交给便宜的小模型，难题才动用旗舰；用"每一件产出花了多少 Token"去衡量，而不是被某个榜单第一名或某个 logo 牵着走。

衡量 AI 的那把尺子，正在悄悄换刻度——从"谁更聪明"，变成"谁能用最少的钱把活干完"。这一次，掏钱的人，终于有机会握住提问的主动权。

（本文所涉厂商效率与成本数据，除注明第三方来源外，多为企业方公开声明，尚待独立验证；文中信息仅供参考，不构成任何投资建议。）

图片来源：AI生成

版权及免责声明：“卢山说AI精进”个人公众号的文章均为本人原创（含联合AI创作部分）。未经本人许可，禁止进行转载、摘编及复制等任何使用。如需转载、引用或者有其它意向，请事先通过本公众号后台等方式申请并获得授权。原创文章中的部分文字、图片源于网络，如有任何问题请联系本公众号。